CN103167330A - 音视频推荐方法及*** - Google Patents

Abstract

本发明涉及一种音视频推荐方法及***，所述方法包括：记录每个音视频的受关注情况；记录每个艺术家的音视频总数；根据每个艺术家所有音视频的受关注情况计算该艺术家所有音视频的权值；根据每个艺术家所有音视频的权值和音视频总数计算该艺术家的音视频点击率；将所有艺术家的音视频点击率排序并存储供艺术家推荐使用。本发明针对音视频网站音视频数量大、音视频数量增长快、音视频网站访问周期性强、热门艺术家变化快的特点，实现了根据艺术家的受关注程度和受欢迎程度实时自动对音视频网站的艺术家进行推荐。

Description

音视频推荐方法及***

技术领域

本发明涉及一种音视频推荐方法及***。

背景技术

随着互联网内容的***性增长和音视频网站的快速发展，筛选出用户喜欢的艺术家越来越困难，通常的做法是由网站编辑定期从播放历史中找到播放次数较多的音视频，然后按照艺术家进行分类后统计，得出排行榜。但是这种做法有重大的缺点，即，当音视频越来越多时，筛选出播放次数较多的艺术家进行排名，所需要消耗的时间会越来越长，而且，由于需要大量人工参与，更新周期长，不能反应用户对艺术家喜好的实时变化。

传统的音视频网站，无法投入足够的编辑人工维护艺术家排行榜，只能维护歌曲榜、热点音乐等单纯基于音视频播放次数的排行榜。

发明内容

本发明的目的在于提供一种音视频推荐方法及***，该方法及***能够针对音视频网站音视频数量大、音视频数量增长快、音视频网站访问周期性强、热门艺术家变化快的特点，实时自动对音视频网站的艺术家进行推荐。

为解决上述问题，本发明提供一种音视频推荐方法，包括：

记录每个音视频的受关注情况；

记录每个艺术家的音视频总数；

根据每个艺术家所有音视频的受关注情况计算该艺术家所有音视频的权值；

根据每个艺术家所有音视频的权值和音视频总数计算该艺术家的音视频点击率；

将所有艺术家的音视频点击率排序并存储供艺术家推荐使用。

进一步的，在上述方法中，所述受关注情况包括每个音视频的实时的点击次数、播放次数、播放时间、收藏数、转载数或评论数中的一种或多种。

进一步的，在上述方法中，所述艺术家包括歌手、演员、导演、作家和制片人中的一种或任意组合。

进一步的，在上述方法中，将每个艺术家的音视频点击率和音视频总数进行归一化；

将归一化的艺术家的音视频点击率和音视频总数按不同比例加权并求和得到综合音视频点击率；

将所有艺术家的综合音视频点击率排序并存储供艺术家推荐使用。

进一步的，在上述方法中，所述音视频点击率按0.3-0.5的比例加权，所述音视频总数按0.5-0.7的比例加权。

进一步的，在上述方法中，所述音视频点击率按0.4的比例加权，所述音视频总数按0.6的比例加权。

进一步的，在上述方法中，所述将每个艺术家的音视频点击率和音视频总数进行归一化包括将所述音视频点击率除以一预设的音视频点击率最大值，以及将所述音视频总数除以一预设的音视频总数最大值。

进一步的，在上述方法中，还包括获取所述综合音视频点击率靠前的艺术家并判断所述综合音视频点击率靠前的艺术家的数量是否少于一第一预设数值；

若否，则推荐所述综合音视频点击率靠前的艺术家；

若是，则获取音视频点击率靠前的艺术家并继续判断音视频点击率靠前的艺术家是否少于一第二预设值，若不少于所述第二预设值，则推荐所述音视频点击率靠前的艺术家；

若少于所述第二预设值，则推荐所述音视频总数靠前的艺术家。

根据本发明的另一面，提供一种音视频推荐方法***，包括：

实时日志统计模块，用于记录每个音视频的受关注情况；

实时音视频信息模块，用于记录每个艺术家的音视频总数；

权值模块，用于根据每个音视频的受关注情况计算该音视频的权值；

点击率模块，用于根据每个艺术家所有音视频的权值和音视频总数计算该艺术家的音视频点击率；

点击率数据库，用于将所有艺术家的音视频点击率排序并存储供艺术家推荐使用。

进一步的，在上述***中，所述实时日志统计模块记录包括每个音视频的实时的点击次数、播放次数、播放时间、收藏数、转载数或评论数中的一种或多种。

进一步的，在上述***中，归一化模块，用于将每个艺术家的音视频点击率和音视频总数进行归一化；

综合点点击率模块，用于将归一化的艺术家的音视频点击率和音视频总数按不同比例加权并求和得到综合音视频点击率；

综合点击率数据库，用于将所有艺术家的综合音视频点击率排序并存储供艺术家推荐使用。

进一步的，在上述***中，所述综合点击率模块按0.4的比例加权，所述音视频总数按0.6的比例加权。

进一步的，在上述***中，所述归一化模块将所述音视频点击率除以一预设的音视频点击率最大值，以及将所所述音视频总数除以一预设的音视频总数最大值。

进一步的，在上述***中，还包括一推荐模块，用于获取所述综合音视频点击率靠前的艺术家并判断所述综合音视频点击率靠前的艺术家的数量是否少于一第一预设值，若否，则推荐所述综合音视频点击率靠前的艺术家；

若是，则获取音视频点击率靠前的艺术家并继续判断音视频点击率靠前的艺术家是否少于一第二预设值，若不少于所述第二预设值，则推荐所述音视频点击率靠前的艺术家；

若少于所述第二预设值，则推荐所述音视频总数靠前的艺术家。

与现有技术相比，本发明针对音视频网站音视频数量大、音视频数量增长快、音视频网站访问周期性强、热门艺术家变化快的特点，通过记录每个音视频的受关注情况，记录每个艺术家的音视频总数，根据每个音视频的受关注情况计算该音视频的权值，根据每个艺术家所有音视频的权值和音视频总数计算该艺术家的音视频点击率，将所有艺术家的音视频点击率排序并存储供艺术家推荐，实现了在不需要人工操作的情况下，自动全面的反应了艺术家的受关注程度，并进行更新艺术家的自动推荐。

另外，通过将每个艺术家的音视频点击率和音视频总数进行归一化，将归一化的艺术家的音视频点击率和音视频总数按不同比例加权并求和得到综合音视频点击率，将所有艺术家的综合音视频点击率排序并存储供艺术家推荐使用，将每个艺术家的音视频总数和音视频关注程度进行综合计算，减少了某些艺术家音视频数量不足而该艺术家的部分音视频突然点击过多的因素，对艺术家热门程度的干扰，更客观、全面、实时的反映了艺术家的受欢迎程度。

附图说明

图1是本发明一实施例的音视频推荐方法的流程图；

图2是本发明一实施例的音视频推荐方法的具体艺术家选择的流程图；

图3是本发明一实施例的归一化加权求和前的A、B、C艺术家数据示意图；

图4是本发明一实施例的归一化加权求和后的A、B、C艺术家综合点击率数据图；

图5是本发明一实施例的音视频推荐***的功能模块示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，本发明提供一种音视频推荐方法，包括：

步骤S1，记录每个音视频的受关注情况，具体的，所述受关注情况包括每个音视频的实时的点击次数、播放次数、播放时间、收藏数、转载数和评论数中的一种或任意组合，受关注情况反映了该音视频受到关注和喜好的程度，所述艺术家包括歌手、演员、导演、作家、制片人或其它与音视频有关的文艺工作者中的一种或任意组合；

步骤S2，记录每个艺术家的音视频总数，具体的，可以实时记录音视频网站上所有音视频及其数量、所有艺术家的数量，艺术家的分类信息，并根据上述记录数据统计出每个艺术家的所有音视频数量并作记录，以实时反映了艺术家数据的变化；

步骤S3，根据每个艺术家所有音视频的受关注情况计算该艺术家所有音视频的权值，具体的，可为各类关注情况设定权值，定时如半小时将每个艺术家所有音视频的各种关注情况的权值进行加减得到艺术家所有音视频的权值；

步骤S4，根据每个艺术家所有音视频的权值和音视频总数计算该艺术家的音视频点击率，具体的将每个艺术家所有音视频的权值除以该艺术家音视频总数，得到该艺术家音视频的点击率；

步骤S5，将所有艺术家的音视频点击率排序并存储供艺术家推荐使用，具体的，可输出根据点击率排序得到的艺术家，其结果按照点击率从大到小保存到一点出率数据库中如artist_num_sort_map，也可将艺术家进行分类，各类艺术家再按音视频点击率排序并存储，备推荐使用。

进一步的，上述方法还包括：

步骤S6，将每个艺术家的音视频点击率和音视频总数进行归一化，具体的，所述将每个艺术家的音视频点击率和音视频总数进行归一化包括将所述音视频点击率除以一预设的音视频点击率最大值如hit_base，以及将所述音视频总数除以一预设的音视频总数最大值如num_base，使得各艺术家的音视频点击率和音视频总数归一化到0-1的区间；

步骤S7，将归一化的艺术家的音视频点击率和音视频总数按不同比例加权并求和得到综合音视频点击率，具体的，再将归一化之后的艺术家的音视频点击率和音视频总数，按照0.3-0.5和0.5-0.7的比例加权并求和(如按照0.4和0.6的比例加权并求和)，将综合音视频点击率再次进行排序保存到一综合点击率数据库中如artist_weight_sort_map；

步骤S8，将所有艺术家的综合音视频点击率排序并存储供艺术家推荐使用，也可将艺术家进行分类，各类艺术家再按综合音视频点击率排序并存储，备推荐使用。

进一步的，如图2所示，上述方法还包括：

步骤S9，还包括获取所述综合音视频点击率靠前的艺术家并判断所述综合音视频点击率靠前的艺术家的数量是否少于一第一预设数值，

若否，则推荐所述综合音视频点击率靠前的艺术家(如图1中步骤S10)；

若是，则获取音视频点击率靠前的艺术家并继续判断音视频点击率靠前的艺术家是否少于一第二预设值(如图1中步骤S11)，

若不少于所述第二预设值，则推荐所述音视频点击率靠前的艺术家(如图1中步骤S12)；

若少于所述第二预设值，则推荐所述音视频总数靠前的艺术家(如图1中步骤S13)。

具体来说，可先从综合点击率数据库artist_weight_sort_map取出综合点击率靠前的艺术家，为了防止推荐艺术家过少，如果通过该综合点击率取出的艺术家不够，则从点出率数据库artist_num_sort_map中取出按点击率排序权值靠前的艺术家；如果艺术家仍然不够，则输出按照艺术家的音视频总数排序靠前的艺术家。

如图1、3、4所示，通过下面详细的例子，对上述音视频推荐方法作详细说明：

例如某音视频网站有3800位艺术家，其中艺术家A和艺术家B分别有2个和3个音乐音视频。

艺术家A的一个音乐音视频《曲目1》，其点击数为96，喜欢数为20，不喜欢数为3，收藏数为10，评论数为12；另一个音乐音视频《曲目2》，其点击数为33，喜欢数为5，不喜欢数为10，收藏数为2，评论数为5。

在步骤S3和步骤S4中，将艺术家A的全部音乐音视频的前一小时点击数、前一小时喜欢数、前一小时收藏数、前一小时评论数相加，即96+20+10+12+33+5+2+5，得到183；再减去其全部音乐音视频前一小时不喜欢数，即186-3-10＝173，再除以艺术家A的音乐音视频总数，即173/2，最后得到为艺术家A的音乐音视频点击率权值86.5。

用同样的方法，我们计算出艺术家B的点击率权值，假设为82。

在步骤S5中，将所有艺术家的全部音视频进行计算后，按照点击率权值由大到小排序，可以得到艺术家的排名，点击率权值越大排名越靠前，在此例中艺术家A相对与艺术家B排名更靠前。

上述计算点击率并按其排序的方法，虽然能一定程度上反映了用户对艺术家的关注程度，但也存在一定的缺陷：

不同用户对音乐音视频不同喜好程度的表现不同，在实际情况中往往出现不受欢迎的艺术家排名靠前的情况，例如，某艺术家只有3个音乐音视频，由于是突发性事件的原因，其音视频在最近的受关注程度比较高，表现为其音视频播放数、评论数非常高，但大多数用户并不喜欢该艺术家，此时的点击率权值仅反映了当前时刻的受关注程度，而忽略了用户的喜好。

为了解决这个问题，我们再将艺术家音视频总数用于排名，由于艺术家的音乐音视频均由用户上传，其音乐音视频数量也反映了用户对其喜好程度，将其与点击率权值同时用于排名计算，可以减弱点击率权值排名缺陷带来的误差。

如图3所示，例如有三位艺术家A、B、C，其点击率权值分别为35、23、69，且分别拥有的音乐音视频数为55、37、3。

在步骤S6中，归一化的计算如下：选取点击率权值最大的数值69为除数，分别将35/69＝0.507，23/69＝0.333，69/69＝1；同样的，选取音视频数最大值55作为除数，分别将55/55＝1，37/55＝0.672，3/55＝0.054。

如图4所示，在步骤S7中，将点击率权值归一化后的数值0.507、0.333、1都乘以0.4，将音视频数权值归一化后的数值1、0.672、0.054都乘以0.6，最后求和：

最终艺术家A加权求和的结果为，0.507*0.4+1*0.6＝0.202+0.6＝0.802

最终艺术家B加权求和的结果为，0.333*0.4+0.672*0.6＝0.133+0.403＝0.536

最终艺术家C加权求和的结果为，1*0.4+0.054*0.6＝0.4+0.032＝0.432

最后艺术家排名为A＞B＞C，通过用户对艺术家的喜好程度、受关注程度的综合计算，反映了艺术家的热门程度。

各艺术家的数据归一化前后的情况具体如下图：

本方法本发明针对音视频网站音视频数量大、音视频数量增长快、音视频网站访问周期性强、热门艺术家变化快的特点，通过记录每个音视频的受关注情况，记录每个艺术家的音视频总数，根据每个音视频的受关注情况计算该音视频的权值，根据每个艺术家所有音视频的权值和音视频总数计算该艺术家的音视频点击率，将所有艺术家的音视频点击率排序并存储供艺术家推荐，实现了在不需要人工操作的情况下，自动全面的反应了艺术家的受关注程度，并进行更新艺术家的自动推荐。

另外，通过将每个艺术家的音视频点击率和音视频总数进行归一化，将归一化的艺术家的音视频点击率和音视频总数按不同比例加权并求和得到综合音视频点击率，将所有艺术家的综合音视频点击率排序并存储供艺术家推荐使用，将每个艺术家的音视频总数和音视频关注程度进行综合计算，减少了某些艺术家音视频数量不足而该艺术家的部分音视频突然点击过多的因素，对艺术家热门程度的干扰，更客观、全面、实时的反映了艺术家的受欢迎程度。

如图5所示，本发明还提供另一种音视频推荐***，包括实时日志统计模块1、实时音视频信息模块2、权值模块3、点击率模块4和点击率数据库5。

实时日志统计模块1用于记录每个音视频的受关注情况。

实时音视频信息模块2用于记录每个艺术家的音视频总数。

权值模块3用于根据每个音视频的受关注情况计算该音视频的权值。

点击率模块4用于根据每个艺术家所有音视频的权值和音视频总数计算该艺术家的音视频点击率。

点击率数据库5用于将所有艺术家的音视频点击率排序并存储供艺术家推荐使用，按照点击率权值由大到小排序，可以得到艺术家的排名，点击率权值越大排名越靠前。

进一步的，所述实时日志统计模块1记录包括每个音视频的实时的点击次数、播放次数、播放时间、收藏数、转载数和评论数中的一种或任意组合。

进一步的，所述艺术家包括歌手、演员、导演、作家、制片人或其它与音视频有关的文艺工作者中的一种或任意组合。

进一步的，上述***还包括：

归一化模块6用于将每个艺术家的音视频点击率和音视频总数进行归一化；

综合点点击率模块7用于将归一化的艺术家的音视频点击率和音视频总数按不同比例加权并求和得到综合音视频点击率；

综合点击率数据库8用于将所有艺术家的综合音视频点击率排序并存储供艺术家推荐使用，具体来说，虽然点击率数据库能一定程度上反映了用户对艺术家的关注程度，但也存在一定的缺陷，即不同用户对音乐音视频不同喜好程度的表现不同，在实际情况中往往出现不受欢迎的艺术家排名靠前的情况，例如，某艺术家只有3个音乐音视频，由于是突发性事件的原因，其音视频在最近的受关注程度比较高，表现为其音视频播放数、评论数非常高，但大多数用户并不喜欢该艺术家，此时的点击率权值仅反映了当前时刻的受关注程度，而忽略了用户的喜好，为了解决这个问题，综合点击率数据库8将艺术家音视频总数用于排名，由于艺术家的音乐音视频均由用户上传，其音乐音视频数量也反映了用户对其喜好程度，将其与点击率权值同时用于排名计算，可以减弱点击率权值排名缺陷带来的误差。

进一步的，所述综合点击率模块7按0.3-0.5的比例加权，所述音视频总数按0.5-0.7的比例加权，具体的，所述综合点击率模块7按0.4的比例加权，所述音视频总数按0.6的比例加权。

进一步的，所述归一化模块6将所述音视频点击率除以一预设的音视频点击率最大值，以及将所所述音视频总数除以一预设的音视频总数最大值。

进一步的，上述***还可包括一推荐模块9，用于获取所述综合点击率数据库8中综合音视频点击率靠前的艺术家并判断所述综合音视频点击率靠前的艺术家的数量是否少于一第一预设值，若否，则推荐所述综合点击率数据库8中综合音视频点击率靠前的艺术家；

若是，则从点击率数据库5中获取音视频点击率靠前的艺术家并继续判断音视频点击率靠前的艺术家是否少于一第二预设值，若不少于所述第二预设值，则推荐所述点击率数据库5中音视频点击率靠前的艺术家；

若少于所述第二预设值，则推荐所述音视频总数靠前的艺术家。

本发明针对音视频网站音视频数量大、音视频数量增长快、音视频网站访问周期性强、热门艺术家变化快的特点，通过记录每个音视频的受关注情况，记录每个艺术家的音视频总数，根据每个音视频的受关注情况计算该音视频的权值，根据每个艺术家所有音视频的权值和音视频总数计算该艺术家的音视频点击率，将所有艺术家的音视频点击率排序并存储供艺术家推荐，实现了在不需要人工操作的情况下，自动全面的反应了艺术家的受关注程度，并进行更新艺术家的自动推荐。

另外，通过将每个艺术家的音视频点击率和音视频总数进行归一化，将归一化的艺术家的音视频点击率和音视频总数按不同比例加权并求和得到综合音视频点击率，将所有艺术家的综合音视频点击率排序并存储供艺术家推荐使用，将每个艺术家的音视频总数和音视频关注程度进行综合计算，减少了某些艺术家音视频数量不足而该艺术家的部分音视频突然点击过多的因素，对艺术家热门程度的干扰，更客观、全面、实时的反映了艺术家的受欢迎程度。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言，由于与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

显然，本领域的技术人员可以对发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims (14)

1.一种音视频推荐方法，其特征在于，包括：

记录每个音视频的受关注情况；

记录每个艺术家的音视频总数；

根据每个艺术家所有音视频的受关注情况计算该艺术家所有音视频的权值；

根据每个艺术家所有音视频的权值和音视频总数计算该艺术家的音视频点击率；

将所有艺术家的音视频点击率排序并存储供艺术家推荐使用。

2.如权利要求1所述的音视频推荐方法，其特征在于，所述受关注情况包括每个音视频的实时的点击次数、播放次数、播放时间、收藏数、转载数和评论数中的一种或任意组合。

3.如权利要求1所述的音视频推荐方法，其特征在于，所述艺术家包括歌手、演员、导演、作家和制片人中的一种或任意组合。

4.如权利要求1所述的音视频推荐方法，其特征在于，还包括：

将每个艺术家的音视频点击率和音视频总数进行归一化；

将归一化的艺术家的音视频点击率和音视频总数按不同比例加权并求和得到综合音视频点击率；

将所有艺术家的综合音视频点击率排序并存储供艺术家推荐使用。

5.如权利要求4所述的音视频推荐方法，其特征在于，所述音视频点击率按0.3-0.5的比例加权，所述音视频总数按0.5-0.7的比例加权。

6.如权利要求5所述的音视频推荐方法，其特征在于，所述音视频点击率按0.4的比例加权，所述音视频总数按0.6的比例加权。

7.如权利要求4所述的音视频推荐方法，其特征在于，所述将每个艺术家的音视频点击率和音视频总数进行归一化包括将所述音视频点击率除以一预设的音视频点击率最大值，以及将所述音视频总数除以一预设的音视频总数最大值。

8.如权利要求4所述的音视频推荐方法，其特征在于，还包括获取所述综合音视频点击率靠前的艺术家并判断所述综合音视频点击率靠前的艺术家的数量是否少于一第一预设数值；

若否，则推荐所述综合音视频点击率靠前的艺术家；

若是，则获取音视频点击率靠前的艺术家并继续判断音视频点击率靠前的艺术家是否少于一第二预设值，若不少于所述第二预设值，则推荐所述音视频点击率靠前的艺术家；

若少于所述第二预设值，则推荐所述音视频总数靠前的艺术家。

9.一种音视频推荐***，其特征在于，包括：

实时日志统计模块，用于记录每个音视频的受关注情况；

实时音视频信息模块，用于记录每个艺术家的音视频总数；

权值模块，用于根据每个音视频的受关注情况计算该音视频的权值；

点击率模块，用于根据每个艺术家所有音视频的权值和音视频总数计算该艺术家的音视频点击率；

点击率数据库，用于将所有艺术家的音视频点击率排序并存储供艺术家推荐使用。

10.如权利要求9所述的音视频推荐***，其特征在于，所述实时日志统计模块记录包括每个音视频的实时的点击次数、播放次数、播放时间、收藏数、转载数或评论数中的一种或多种。

11.如权利要求9所述的音视频推荐***，其特征在于，还包括：

归一化模块，用于将每个艺术家的音视频点击率和音视频总数进行归一化；

综合点点击率模块，用于将归一化的艺术家的音视频点击率和音视频总数按不同比例加权并求和得到综合音视频点击率；

综合点击率数据库，用于将所有艺术家的综合音视频点击率排序并存储供艺术家推荐使用。

12.如权利要求11所述的音视频推荐***，其特征在于，所述综合点击率模块按0.4的比例加权，所述音视频总数按0.6的比例加权。

13.如权利要求11所述的音视频推荐***，其特征在于，所述归一化模块将所述音视频点击率除以一预设的音视频点击率最大值，以及将所述音视频总数除以一预设的音视频总数最大值。

14.如权利要求11所述的音视频推荐***，其特征在于，还包括一推荐模块，用于获取所述综合音视频点击率靠前的艺术家并判断所述综合音视频点击率靠前的艺术家的数量是否少于一第一预设值，若否，则推荐所述综合音视频点击率靠前的艺术家；

若是，则获取音视频点击率靠前的艺术家并继续判断音视频点击率靠前的艺术家是否少于一第二预设值，若不少于所述第二预设值，则推荐所述音视频点击率靠前的艺术家；

若少于所述第二预设值，则推荐所述音视频总数靠前的艺术家。

Images